Geri Dön

Bayesian analysis of time series using Lindley's approximation

Lindley'in yaklaşımı ile Bayes zaman serisi analizi

PDF İndir

  1. Tez No: 438658
  2. Yazar: KARINA PERILIOGLU
  3. Danışmanlar: PROF. DR. ALEXANDROS PAPADOPOULOS
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Matematik, Statistics, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Yeditepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Model parametrelerinin ve hata terimlerinin rassal değişken olduğu durumlarda, otoregresif modelinin p derecesi ve hareketli ortalama modelinin q derecesi analiz edilmiştir. Analizde karesel hata (SE) ve dogrusal üstel (LINEX) kayıp fonksiyonları kullanılmıştır. Dört degişik önsel kullanarak, parametrelerin Bayes tahmin edicileri türetilmiştir. Bayes tahmin edicilerinin kapalı formda olmadığı, parametreler için bağımsız kesilmiş normal önseller ve hata terimlerinin kesinligi için gama veya belirsiz önseller olması durumlarında bulunmuştur. Bundan dolayı Lindley'in yaklaşımı, yaklaşık tahmin edici elde etmek için kullanılmıştır. Bilgisayar simulasyon çalışmasi ile en çok olabilirlik ve Bayes tahminleri karşılaştırılmaktadır. Lindley'in yaklaşımı ve Markov zinciri Monte Carlo (MCMC) Gibbs örneklemesi kullanılarak Bayes tahminleri elde edilmiştir. Parametreler için bağımsız tekdüze önseller ve hata terimlerinin kesinliği için gama veya belirsiz önseller olması durumlarında, model parameterlerinin sonsal dağılımlarının ve hata terimlerinin kesinliğinin kapalı formu olduğu bulunmaktadır. Fakat LINEX kayıp fonksiyonlarında, model parametrelerinin Bayes tahmin edicileri uygun formda değildir. Bu durumda yaklaşık Bayes tahmin edicilerinin türetilmesi için kesikli normal yaklaşım kullanılmıştır. Bilgisayar simulasyon çalışması en çok olabilirlik ve Bayes tahminlerini karşılaştırmak için kullanılmıştır. Bulguları göstermek için örnekler verilmiştir.

Özet (Çeviri)

The autoregressive model of order p and moving-average model of order q are analyzed when the parameters and the precision of the error term are random variables. In the analysis the squared error (SE) and linear exponential (LINEX) loss functions are utilized. Using four different priors, the Bayes estimators of the parameters are derived. Under independent truncated normal priors for the parameters and gamma or improper priors for the precision of the error term, the Bayes estimators are found not to be in a closed form. Therefore, Lindley's approximation is used to obtain the approximate estimators. A computer simulation study compares the maximum likelihood and the Bayes estimates obtained using Lindley's approximation and Markov chain Monte Carlo (MCMC) techniques, in particular, Gibbs sampler. Under independent Uniform priors for the parameters and gamma or improper priors for the precision of the error term, the posterior distributions of the model parameters and the precision of the error term have a closed form, however using the LINEX loss function, the Bayes estimators of the model parameters are intractable. In this case, the truncated normal approximation is used to derive the approximate Bayes estimators. A computer simulation study is employed to compare the maximum likelihood and the Bayes estimates. Examples are given to illustrate the findings.

Benzer Tezler

  1. Tez No

    775453

    The forecast performance of classical time series models and machine learning algorithms on bitcoin series using exogenous variables

    Klasik zaman serisi modellerinin ve makine öğrenme algoritmalarının bitcoin serisi üzerinde dışsal değişkenler kullanarak öngörü performansları

    SEVİLAY DOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. CEYLAN YOZGATLIGİL

  2. Tez No

    734204

    Bayesyen zaman serilerinin teorik açıdan irdelenmesi ve örnek bir uygulama

    Theoretical examination of Bayesian time series and an example application

    ŞÜKRÜ UFUK ULADİ

    Doktora

    Türkçe

    Türkçe

    2022

    İstatistikOsmaniye Korkut Ata Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. MUSTAFA AKAR

  3. Tez No

    826751

    The forecast performances of the classical time series model and machine learning algorithms on bist-50 price index using exogenous variables

    Klasik zaman serisi modelinin ve makine öğrenme algoritmalarının bıst-50 fiyat endeksi üzerinde dışsal değişkenler kullanarak öngörü performansları

    FATMA PARLAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. CEYLAN YOZGATLIGİL

  4. Tez No

    482587

    The 2018 forecasting of OPEC oil price by using time series model

    Zaman serileri modeli kullanarak OPEC petrol fiyatının 2018 yılı tahmini

    HAWRE ASAAD OMARBL

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İstatistikYüzüncü Yıl Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. FEVZİ ERDOĞAN

  5. Tez No

    633556

    Kontrol günü süt verimlerinin bayesian zaman serisi yöntemi ile modellenmesi

    Modeling milk yields of control day by bayesian time series method

    ÖZGE KOZAKLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikAkdeniz Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF. DR. MEHMET ZİYA FIRAT

Geri Dön